电磁循迹作为智能车相对简单的入门循迹方式,一直都是大部分人刚开始接触时所使用的方案。而对于电磁处理的方法,主要有差比和处理以及归一化处理。最近在看吴恩达老师的人工智能课程时,在一节课程中讲解了关于归一化的一些好处,由此联想到自己在做智能车比赛时所采用的电磁循迹算法。 在当时我也对电磁同时进行了差比和以及归一化的处理,后来发现在对中间电感进行差比和处理之后,实际产生的数值与原先差比
题外话:在上一章我们介绍了一些关于连通域的基础概念,这一章我介绍一下上一章中关于种子填充算法的一些基础算法理解,便于之后更加透彻的理解。这章主要介绍广度优先搜索(BFS),深度优先搜索(DFS)算法。说实话,这两个算法在大二学数据结构时老师讲解过,但当时只是用来应付考试,并没有想到可以用到之后的比赛中,所以希望大家在学习一些知识时,可以将该知识点发散到一些自己感兴趣的地方,或许对此会有更深的影响。
晚上闲来无事,便仔细阅读了上交大的开源代码讲解,在其中一篇文章中得到了一个很好的元素处理方法,思来想去觉得算法可行性应该可以,便记录下来。 在开源讲解的第四篇中,他们提出了单独左(右)边线进行跟踪从而得出中线的方式。觉得该方法可以使用在一些特殊的元素中。下面给出我自己的一些想法,思路或许不完整,如有错误,希望各位能够指出。 我们对赛道进行普通的巡线时,先是往左扫线,得出左边赛道的边界,后对右边
题外话:在比赛前看过很多篇国赛技术报告,一些强校在处理图像时都会简单讲解四邻域,八领域,种子填充法,博主作为一个第一年做车的小白,当时觉得这些算法十分的高级,虽然也想在巡线方面用到这些算法,但奈何当时自己的能力有限,且比赛留给我学习这些算法的时间太短,所以在比赛时就决定放弃这些,选择了另外的算法,虽然可以实现巡线目的,但内心还是对强校算法十分的好奇,最近在看完16届智能车的技术报告后,觉得对于一些
(一)电磁处理 在此次智能车竞赛中,我选择了摄像头为主,电磁简单辅助路径规划,帮助车身在出弯后能快速回正,只不过后来因为赛场电磁线原因,关闭了电磁辅助,采用了纯摄像头循迹。 关于电磁循迹,我并没有使用归一化,只是简单的差比和处理 Diangan dg; void Read_ADC() { int16 i,j,temp; static int16 value_temp[5][5
在我们得到一张稳定的二值化图像后,就可以对图像进行一些寻线的处理,在这里简单提一下,那就是图像第一行所在的位置,作为初学者的我刚开始就曾搞错,摄像头第一行所在的位置取决于你摄像头是正装还是反装,如果是正装那么对应远离车身所对应的是第一行,靠近的为最大行。反装则相反,但是还需注意的是正装和反装所对应的左右行数也是不同的,在存放左右边界时需要注意,两者是相反的。关于摄像头是如何放置的问题,其实两者并没
博主使用的逐飞家的总钻风摄像头,这是一款灰度摄像头,配合逐飞的底层库,可以很快的上手。在我当时拿到总钻风的第一时间,就用逐飞的底层库,配合tft显示屏,显示简单的图像,虽然简单,当时的心情其实还是很激动的。 而这时,我们显示的,其实就是一张灰度图像。我的是120*188的灰度图像,例如: 针对这些灰度图像,我们需要对它进行阈值处理以便之后的赛道信息提取。 首先,我们得知道,我们所得到了这
这么快都已经到需要差速转弯了嘛
积分
粉丝
勋章
第三方账号登入
看不清?点击更换
第三方账号登入
QQ 微博 微信